Kan AI endometriose diagnosticeren aan de hand van onregelmatigheden in de menstruatiecyclus die worden gedetecteerd in gegevens van een menstruatie-tracking-app ?

Endometriose verstoort hormonale cycli en veroorzaakt vaak onregelmatige bloedingspatronen. Een AI-systeem dat app-gegenoteerde symptomen analyseert, zou atypische cycli die verband houden met de ziekte kunnen identificeren. Vroegtijdige detectie kan de vertraging in diagnose, die momenteel gemiddeld 7–10 jaar bedraagt, verkorten. De kwaliteit van de data en bias in door gebruikers gerapporteerde gegevens blijven belangrijke uitdagingen. Deze aanpak benut crowdsourced gezondheidspatronen op grote schaal.

Onderzoekers zijn begonnen te onderzoeken of AI-modellen symptoomlogs van menstruatie-tracking-apps kunnen gebruiken om mogelijke endometriose te signaleren, maar huidige systemen zijn experimenteel en niet goedgekeurd voor diagnose. Een studie uit 2023 toonde aan dat machinaal leren op basis van zelfgerapporteerde symptomen een matige nauwkeurigheid kan bereiken bij het onderscheiden van waarschijnlijke endometriose van controlegroepen, maar hoge vals-positieve percentages en het ontbreken van bevestigende beeldvorming of chirurgische validatie beperken de klinische betrouwbaarheid. Omdat endometriose meestal een laparoscopische operatie of MRI vereist, moeten AI-suggesties die alleen op onregelmatigheden in de cyclus zijn gebaseerd, worden gezien als voorlopige signalen in plaats van definitieve diagnoses. Eventuele meldingen van een app moeten leiden tot overleg met een gekwalificeerde zorgverlener voor passend onderzoek.

— Verrijkt 12 mei 2026 · Bron: BMJ — https://www.bmj.com/content/383/bmj.p2810